Demir yolu operasyonlarında bilgisayarla görme uygulamaları

Bu makalede ele alınan kavramları görsel olarak adım adım incelemek için aşağıdaki videoyu izle.

Demir yolları, kara yolu ulaşım sistemlerinin temel bir parçasıdır. Dünya genelinde 1 milyon rota kilometresini aşan demir yolu ağları, şehirleri, endüstrileri ve toplulukları geniş mesafeler boyunca birbirine bağlar. Bu sistemler genişledikçe ve talep arttıkça güvenliği ve verimliliği sağlamak yalnızca manuel kontroller ve izlemeyle mümkün olmaz.

En son teknoloji çözümler giderek daha gerekli hale geliyor. Örneğin, görsel verilerin işlenmesiyle ilgilenen bir yapay zeka (AI) dalı olan bilgisayarlı görü, çeşitli demir yolu operasyonlarını kolaylaştırmak için kullanılıyor.

Görü destekli sistemler, demir yolu işletmecilerine operasyonlar hakkında gerçek zamanlı farkındalık sağlamak için kameralar ve Ultralytics YOLO11 gibi bilgisayarlı görü modellerini kullanır. Nesne algılama ve örnek segmentasyonu gibi görevler sayesinde YOLO11 gibi modeller; rayları, peronları, tünelleri ve trenlerin içini analiz ederek nesneleri, insanları veya tehlikeleri algılayabilir.

Birinin peron kenarına çok yakın durduğu veya rayların üzerinde döküntülerin belirdiği bir durumu düşün. Görsel AI bunu gerçek zamanlı olarak algılayıp uyarı gönderebilir; böylece istasyon ekipleri hızlıca müdahale edebilir ve olası risklerin gecikmelere veya kazalara dönüşmesini önleyebilir. Ayrıca sürekli izlenmesi zor alanları takip ederek personele yardımcı olur.

Şekil 1. Bir demir yolu peronunda duran insanları algılamak için Ultralytics YOLO11 kullanımına bir örnek.

AI ve bilgisayarlı görünün kullanımı arttıkça daha fazla şehir, demir yolu operasyonlarını daha güvenli ve verimli hale getirmek için görsel AI kullanmaya başlıyor. Bu makalede, demir yolu taşımacılığı iş akışlarında görsel AI'ın dünya genelinde nasıl uygulandığını inceleyeceğiz. Hadi başlayalım!

Demir yolu taşımacılığı operasyonlarında Görsel AI'ın rolü#

Demir yolu ağları, gerçek zamanlı olarak izlenmesi gereken birçok hareketli unsur içerir. Geleneksel olarak istasyon personeli tarafından yapılan işler artık AI kullanılarak otomatikleştirilebilir. YOLO11 gibi bilgisayarlı görü modelleri, istasyon operatörlerinin demir yolu işlevlerini daha yakından izlemesine ve sorunlar ortaya çıktığında hızlıca müdahale etmesine yardımcı olabilir.

Özellikle bilgisayarlı görü görevleri, bu modellerin kameralardan alınan görsel girdiler kullanılarak gerçekleştirmek üzere eğitilebileceği belirli işlevleri ifade eder. Demir yolu operasyonlarını izlemek için kullanılabilecek bazı temel görevler şunlardır:

• Nesne algılama: Bu görev, bir görüntü veya video karesi içindeki belirli nesneleri tanımlamayı ve konumlandırmayı içerir. Demir yolu uygulamalarında Ultralytics YOLO11 gibi modeller, rayların üzerinde veya yakınındaki döküntü, alet, bagaj ya da insan gibi nesneleri algılayabilir.

• Nesne takibi: Bu, algılanan nesnelerin birden çok video karesi boyunca hareketinin izlenmesini ifade eder. İstasyonlarda veya trenlerin içinde takip, yolcu akışının izlenmesine ve tren hareketlerinin takip edilmesine yardımcı olur.

• Poz tahmini: İnsan duruşunu anlamak için temel vücut eklemlerinin konumlarını algılamayı ve analiz etmeyi içerir. Demir yolu ortamlarında, peronda bir kişinin yere yığılması gibi acil durumların belirlenmesine yardımcı olarak müdahale için uyarıları tetikleyebilir.

• Örnek segmentasyonu: Bir görüntüdeki her pikselin önceden tanımlanmış kategorilere sınıflandırılmasına odaklanır. Demir yolu altyapısının izlenmesinde çatlak, korozyon veya aşınma gibi özellikleri belirleyerek rayların, peronların ve diğer yüzeylerin durumunu değerlendirmek için kullanılabilir.

Şekil 2. Ultralytics YOLO11, güvenlik amacıyla insanları ve trenleri algılamak ve takip etmek için kullanılabilir.

Demir yolu izleme için Görsel AI kullanımı#

Görü tabanlı izleme genellikle güvenlik ve gözetimle ilişkilendirilse de demir yolu sistemleri görsel AI'ı yalnızca temel güvenlik görevleri için kullanmaz. Görsel AI, operasyonların iyileştirilmesinde, güvenliğin artırılmasında ve ağ genelinde sistem yönetiminin desteklenmesinde de rol oynar.

Toplu taşımacılıkta Görsel AI kullanmanın önemli bir avantajı, gerçek zamanlı çalışabilmesi ve istasyon personeline olası sorunların önüne geçmeleri için zamanında ve yararlı bilgiler sağlamasıdır.

Bilgisayarlı görünün demir yollarının daha yüksek hassasiyet ve kontrolle çalışmasına nasıl yardımcı olduğuna dair bazı gerçek dünya örneklerine bakalım.

Bakım görevleri için demir yolu sistemlerinde nesne algılama#

Avrupa'da demir yolu trafiği büyümeye devam ederken güvenilir altyapı izleme ihtiyacı kritik hale geldi. Güvenli ve sorunsuz operasyonlar sağlamak için rayların aşınma, hasar ve hizalama bozukluklarına karşı düzenli olarak denetlenmesi gerekir. Bu süreç, maliyetli kesintilere veya kazalara yol açmadan önce kusurların erken belirtilerini tespit etmek için binlerce kilometrelik demir yolunun kontrol edilmesini gerektirir. Görsel AI, bu denetim sürecini otomatikleştirmek ve geliştirmek için etkili bir yöntem sunar.

Şekil 3. Bilgisayarlı görü sistemleri, demir yolu raylarının kusurlu parçalarını algılayabilir.

Örneğin, demir yolu ağının binlerce kilometre boyunca uzandığı Hollanda'da rayları sürekli olarak izlemek ve bakımını yapmak büyük bir görevdir. Manuel denetimler hâlâ önemli olsa da yavaş ve emek yoğun olabilir, ayrıca çoğu zaman hizmeti aksatabilir. Bu sorunu çözmek için demir yolu raylarının durumunu gerçek zamanlı olarak denetleyen bir bilgisayarlı görü sistemi kullanıma sunuldu.

Hareket halindeki trenlere monte edilen kameralar, sürekli bir yüksek çözünürlüklü görüntü akışı yakalar. Bu görüntüler daha sonra ray hizalama bozukluklarını, aşınmış veya hasar görmüş bileşenleri ve eksik parçaları algılamak üzere eğitilmiş görsel AI modelleri tarafından analiz edilir.

Sürekli ve otomatik izleme sayesinde denetimler yalnızca daha hızlı değil, aynı zamanda daha doğru hale gelir. Bakım ekipleri en çok ilgilenilmesi gereken alanlara öncelik vererek gereksiz kontrolleri azaltabilir. Bunun sonucunda işletmeciler, günlük hizmeti kesintiye uğratmadan operasyonel riskleri azaltabildi, gecikmeleri düşürebildi ve genel güvenliği iyileştirebildi.

Demir yolu altyapısında AI ile daha güvenli operasyonlar sağlamak#

Büyük ölçekli demir yolu projelerinde saha güvenliğini korumak en kalıcı zorluklardan biridir. Bu durum, sürekli gözetim gerektiren aktif çalışma sahaları ve değişken koşulların bulunduğu Çin'in Wuhan kentindeki kentsel demir yolu ağının inşası sırasında özellikle geçerliydi.

Geleneksel olarak güvenlik kontrolleri, çoğu zaman risklerin ancak bir olay meydana geldikten sonra belirlenmesi anlamına gelen manuel gözleme dayanıyordu. Müdahale sürelerini iyileştirmek ve riski azaltmak için araştırmacılar, bilgisayarlı görüyle desteklenen gerçek zamanlı bir güvenlik izleme sistemi geliştirdi.

Faaliyetleri sürekli kaydetmek için şantiye alanlarına 240'tan fazla yüksek çözünürlüklü kamera yerleştirildi. Video görüntüleri, yalnızca kişilerin tehlikeli alanlara girdiğini değil, aynı zamanda yakındaki ekipmanın sabit mi yoksa hareket halinde mi olduğunu da algılayabilen AI modelleri kullanılarak sahada işlendi; bu, gerçek zamanlı riskin değerlendirilmesinde önemli bir faktördü. Güvenli olmayan davranışlar algılandığında sistem, saha yöneticilerine anında uyarı gönderebiliyordu.

Şekil 4. Bilgisayarlı görü kullanarak tehlikeleri algılama.

Görsel AI kullanarak demir yolu gözetimine bir bakış#

Bilgisayarlı görü, bakım ve güvenlik denetimlerini iyileştirmenin yanı sıra demir yolu raylarını izinsiz girişlere karşı gerçek zamanlı olarak izlemek için de kullanılıyor. Yalnızca 2023 yılında Amerika Birleşik Devletleri'nde demir yollarıyla ilgili 995 ölüm bildirilmesi, bunun ciddi bir endişe kaynağı olduğunu gösteriyor. Bu olayların çoğu, geleneksel izleme yöntemlerinin genellikle sınırlı kaldığı bir alan olan raylara yetkisiz erişimi içeriyordu.

Bunu ele almak için Amerika Birleşik Devletleri'ndeki demir yolları bilgisayarlı görü çözümlerini benimsemeye başlıyor. Bu sistemler, AI modelleri tarafından analiz edilen canlı video akışlarını kullanarak izinsiz giriş, rayların engellenmesi ve olası sinyal ihlalleri gibi olayları algılar. Sistem, bu sorunları meydana geldikleri anda belirleyerek hizmet kesintiye uğramadan veya güvenlik riske atılmadan önce ekiplerin hızlıca müdahale etmesine yardımcı olur.

Belirli aralıklarla gerçekleştirilen manuel denetimlerin aksine bilgisayarlı görü sistemleri, ağ genelinde sürekli ve gerçek zamanlı izleme sağlar. Bir tehdit algılandığında operatörlere anında uyarılar gönderilir ve hızlı, hedefli müdahaleler mümkün olur. Bu da durumsal farkındalığın artmasını, daha hızlı müdahaleyi ve önlenebilir olayların neden olduğu gecikmelerin azalmasını sağlar.

Görsel AI ile gıda güvenliğinin izlenmesi#

Her gün trenlerde ve istasyonlarda milyonlarca öğün hazırlanıp servis edilir ve hijyen en önemli önceliklerden biridir. Hindistan'da Indian Railway Catering and Tourism Corporation (IRCTC), dünyanın en büyük demir yolu gıda ağlarından birini yönetir.

Yakın zamana kadar hijyen kontrolleri manuel olarak yapılıyordu; bu da her mutfağın sürekli izlenmesini zorlaştırıyordu. Verimliliği ve güvenilirliği artırmak için IRCTC, gıda güvenliği uygulamalarını gerçek zamanlı olarak izleyen bir görsel AI sistemi kullanıma sundu.

Sistem, mutfaklarda ve yemek hazırlama alanlarında bulunan mevcut CCTV kameralarına bağlanır. Personelin ellerini yıkamaması, eldiven veya saç bonesi takmaması ya da çalışma istasyonlarının temiz olmaması gibi yaygın hijyen sorunlarını tespit etmek üzere eğitilmiş AI modellerini kullanır.

Kullanıma sunulduğundan beri sistem, hijyen standartlarının iyileştirilmesine ve personelin gıda güvenliğini daha iyi takip etmesine yardımcı oldu; personel prosedürleri kontrol etmek yerine yemek hazırlamaya daha fazla zaman ayırabiliyor.

Demir yolu operasyonlarında bilgisayarlı görünün artıları ve eksileri#

Bilgisayarlı görü, demir yolu sistemlerinde güvenliğin, bakımın ve günlük operasyonların iyileştirilmesi açısından çeşitli avantajlar sunar. Temel avantajlardan bazıları şunlardır:

• Kestirimci bakım: Görsel AI, raylar ve altyapı üzerindeki aşınma veya hasarın erken belirtilerini algılayarak arızaların meydana gelmeden önce önlenmesine yardımcı olabilir.
• 7/24 izleme: İnsan denetçilerin aksine bilgisayarlı görü sistemleri yorulmadan veya vardiyalara ihtiyaç duymadan sürekli çalışabilir.
• Ölçeklenebilirlik: Uygulandıktan sonra aynı sistem, çok az ek çabayla daha fazla istasyonu, treni veya operasyon bölgesini kapsayacak şekilde genişletilebilir.

Görsel AI'ın demir yolu taşımacılığına sağladığı birçok olumlu katkıya rağmen bu sistemlerin devreye alınması ve bakımı hâlâ bazı zorluklar barındırır. Dikkate alınması gereken birkaç dezavantaj şunlardır:

• Gizlilik endişeleri: Kamusal alanlarda sürekli gözetim yapılması etik sorunlara ve yolcularla personelde rahatsızlık hissine yol açabilir.
• Yüksek başlangıç maliyeti: Kameralar, sunucular ve AI yazılımları dahil olmak üzere bir Görsel AI sistemi kurmak, önemli bir başlangıç yatırımı gerektirir.
• Karmaşık entegrasyon: Bilgisayarlı görü sistemlerini eski sinyalizasyon veya kontrol sistemleri gibi mevcut altyapıyla entegre etmek teknik açıdan zor olabilir.

Önemli çıkarımlar#

Demir yolu ağları büyüdükçe güvenilir içgörüler sağlayan gerçek zamanlı sistemlere olan talep artıyor. Bilgisayarlı görü sistemleri, operatörlerin sorunlara hızlı ve doğru şekilde müdahale etmesine yardımcı olmak için nesne algılama, yapısal kontroller ve gerçek zamanlı uyarılar kullanır.

AI araçları günlük operasyonları iyileştirmenin yanı sıra uzun vadeli bakım maliyetlerini ve güvenlik risklerini de azaltır. Bu araçlar geliştikçe AI, demir yolu sistemlerini daha verimli, duyarlı ve güvenli hale getirmede etkili bir rol oynayacak.

Büyüyen topluluğumuza katıl! AI hakkında daha fazla bilgi edinmek için GitHub depomuzu incele. Bilgisayarlı görü projelerine başlamaya hazır mısın? Lisanslama seçeneklerimize göz at. Çözümler sayfalarımızı ziyaret ederek tarımda AI ve sağlık hizmetlerinde Görsel AI hakkında bilgi edin!